作為互聯(lián)網中的一員，我們時常沉浸在“分布式”的氛圍當中——高可用、高可靠、高性能等等詞匯隨處可見，CAP、BASE、2PC、Paxos、Raft等等名詞也能信手捏來。不過，有些詞在我們“并不嚴謹”的傳播中逐漸被誤用了，或者說含糊不清了。今天，我們來簡單聊聊“Consistency”這個詞，即一致性。

[[318778]]

Paxos、Raft等通常被誤稱為“一致性算法”。但是“一致性(Consistency)”和“共識(Consensus)”并不是同一個概念。Paxos、Raft等其實都是共識(Consensus)算法。

Leslie Lamport于1998年在ACM Transactions on Computer Systems上發(fā)表了一篇《The Part-Time Parliament》[1]的文章，這是Paxos算法第一次公開發(fā)表。但是發(fā)表之后，很多人還是覺得原來那篇太難理解了，之后Lamport又寫了一篇《Paxos Made Simple》[2]，當我們想要學習一下Paxos的時候，可以直接看看這篇。

回到正題，我們在《Paxos Made Simple》中搜索“Consistency”一詞，如下圖所示，其實是毫無匹配結果的。

反觀，我們搜索“Consensus”一詞的時候，卻出現了很多匹配項。

也就是說，Paxos論文通篇提都沒提Consistency一詞，何來的“Paxos is a consistency algorithm”的說法。

與此類似的是，在Raft論文《In Search of an Understandable Consensus Algorithm (Extended Version)》[3]中開頭就對Raft給出了明確的定義：Raft is a consensus algorithm....，注意這里是consensus，而不是consistency。

這時候我們不妨再打開字典。乍眼一看，字典中Consistency和Consenus譯意接近，都有“一致”的含義，但是仔細深究又有所不同：Consistency：一致性，Consensus：共識、一致的意見。

從專業(yè)的角度來講，我們通常所說的一致性(Consistency)在分布式系統(tǒng)中指的是對于同一個數據的多個副本，其對外表現的數據一致性，如強一致性、順序一致性、最終一致性等，都是用來描述副本問題中的一致性的。而共識(Consensus)則不同，簡單來說，共識問題是要經過某種算法使多個節(jié)點達成相同狀態(tài)的一個過程。一致性強調結果，共識強調過程。

《分布式系統(tǒng)概念與設計》一書中對共識問題進行了如下定義：為達到共識，每個進程 pi 最初處于未決(undecided)狀態(tài)，并且提議集合D中的一個值 vi 。進程之間互相通信，交換值。然后，每個進程設置一個決定變量(decision variable)di 的值。在這種情況下，它進入決定(decided)狀態(tài)。在此狀態(tài)下，他不再改變di。

下圖中給出了參與一個共識算法的3個進程。兩個進程提議“繼續(xù)”， 第三個進程提議“放棄”但隨后崩潰。保持正確的兩個進程都決定“繼續(xù)”。(其中i = 1, 2, ……, N; j = 1, 2, ……, N。)

共識算法的要求是在每次執(zhí)行中滿足以下條件：

• 終止性：每個正確進程最終設置它的決定變量。
• 協(xié)定性：所有正確進程的決定值都相同，即如果 pi 和 pj 是正確的并且已進入決定狀態(tài)，那么 di = dj。
• 完整性：如果正確的進程都提議同一個值，那么處于決定狀態(tài)的任何正確進程已選擇了該值。

共識問題中所有的節(jié)點要最終達成共識，由于最終目標是所有節(jié)點都要達成一致，所以根本不存在一致性強弱之分。所以，以后我們看到“Paxos是一個強一致性算法”、“Raft是一個強一致性協(xié)議”等類似說法的時候，我們更要以一種“審視”的眼光去看待后面的內容。

在我們大多數人的大多數工作內容中，一致性(Consistency)與共識(Consensus)的差別其實無關痛癢。但是如果我們想抬高一個維度，深入的去研究一下分布式領域的內容，那么這些最基礎的概念如果區(qū)分不清楚的話，會對后面的學習過程產生很大的阻礙。

越是相近的詞匯，越要清楚的區(qū)分。就算是同一個單詞，也會有不同的含義解析，比如CAP和ACID中的C都是Consistency的縮寫，但這兩者在各自場景下的含義也并不相同。

• ACID的C指的是事務中的一致性，在一系列對數據修改的操作中，保證數據的正確性。即數據在事務期間的多個操作中，數據不會憑空的消失或增加，數據的每一個增刪改操作都是有因果關系的。比如用戶A向用戶B轉了200塊錢，不會出現用戶A扣了款，而用戶B沒有收到的情況。
• 在分布式環(huán)境中，多服務之間的復制是異步，需要一定耗時，不會瞬間完成。在某個服務節(jié)點的數據修改之后，到同步到其它服務節(jié)點之間存在一定的時間間隔，如果在這個間隔內有并發(fā)讀請求過來，而這些請求又負載均衡到多個節(jié)點，可能會出現從多個節(jié)點數據不一致的情況，因為請求有可能會落到還沒完成數據同步的節(jié)點上。CAP中的C就是為了做到在分布式環(huán)境中讀取的數據是一致的。

總的來說，ACID的C著重強調單數據庫事務操作時，要保證數據的完整和正確性，而CAP理論中的C強調的是對一個數據多個備份的讀寫一致性。

對于今天的知識點有什么想說的嘛?不妨在留言區(qū)留下你的想法。

參考資料http://lamport.azurewebsites.net/pubs/lamport-paxos.pdf

http://lamport.azurewebsites.net/pubs/paxos-simple.pdf

https://raft.github.io/raft.pdf

淺談 CAP 和 Paxos 共識算法

被誤用的“一致性”

分布式共識(Consensus)：Viewstamped Replication、Raft以及Paxos